https://lyndakade.ir/learning/full-stack-deep-learning-with-python-34351133 2026-06-20T21:01:18+03:30 weekly 1 https://dl.lyndakade.ir/courses/2026/03/Full-Stack%20Deep%20Learning%20with%20Python/preview.webp دوره آموزشی یادگیری عمیق فول‌استک با پایتون یادگیری عمیق فقط نوشتن کدهای مدل توی یه نوت‌بوک نیست؛ دنیای واقعیِ پروژه‌ها، مسیری طولانی از برنامه‌ریزی و آماده‌سازی داده تا آموزش، بهینه‌سازی و در نهایت استقرارِ مدل رو شامل میشه. توی این دوره، جانانی راوی (Janani Ravi) که یک مهندس داده باتجربه‌ست، بهتون یاد میده چطور این چرخه کامل رو مدیریت کنید. نکته جذاب این دوره اینه که فقط روی تئوری تمرکز نداره؛ بلکه با استفاده از پایتون و ابزارهای حرفه‌ای مثل MLflow برای مدیریت عملیات یادگیری ماشین (MLOps) و Optuna برای تنظیم دقیق هایپرپارامترها، بهتون نشون میده چطور سیستم‌هایی بسازید که هم مقیاس‌پذیر باشن و هم بشه نتایجشون رو بازتولید کرد. با گذروندن این دوره، شما مهارت‌های لازم برای خودکارسازی فرآیندها و ساختن سیستم‌های یادگیری عمیق از صفر تا صد (End-to-End) رو به دست میارید و آماده میشید مدل‌هاتون رو از محیط آزمایشگاه به دلِ اپلیکیشن‌های کاربردی بفرستید. اهداف یادگیری درک چرخه کامل حیات مدل‌های یادگیری عمیق از برنامه‌ریزی تا استقرار یادگیری کار با ابزارهای MLOps برای مدیریت فرآیندها استفاده از MLflow برای مدیریت و ردیابی مدل‌ها و محیط‌های کاری بهینه‌سازی هایپرپارامترها با استفاده از فریم‌ورک Optuna ایجاد سیستم‌های یادگیری ماشین مقیاس‌پذیر و قابل بازتولید استقرار عملی مدل‌های آموزش‌دیده برای استفاده در اپلیکیشن‌های واقعی اتوماسیون فرآیندهای یادگیری ماشین برای افزایش سرعت و دقت https://dl.lyndakade.ir/courses/2026/03/Full-Stack%20Deep%20Learning%20with%20Python/preview.webp دوره آموزشی یادگیری عمیق فول‌استک با پایتون یادگیری عمیق فقط نوشتن کدهای مدل توی یه نوت‌بوک نیست؛ دنیای واقعیِ پروژه‌ها، مسیری طولانی از برنامه‌ریزی و آماده‌سازی داده تا آموزش، بهینه‌سازی و در نهایت استقرارِ مدل رو شامل میشه. توی این دوره، جانانی راوی (Janani Ravi) که یک مهندس داده باتجربه‌ست، بهتون یاد میده چطور این چرخه کامل رو مدیریت کنید. نکته جذاب این دوره اینه که فقط روی تئوری تمرکز نداره؛ بلکه با استفاده از پایتون و ابزارهای حرفه‌ای مثل MLflow برای مدیریت عملیات یادگیری ماشین (MLOps) و Optuna برای تنظیم دقیق هایپرپارامترها، بهتون نشون میده چطور سیستم‌هایی بسازید که هم مقیاس‌پذیر باشن و هم بشه نتایجشون رو بازتولید کرد. با گذروندن این دوره، شما مهارت‌های لازم برای خودکارسازی فرآیندها و ساختن سیستم‌های یادگیری عمیق از صفر تا صد (End-to-End) رو به دست میارید و آماده میشید مدل‌هاتون رو از محیط آزمایشگاه به دلِ اپلیکیشن‌های کاربردی بفرستید. اهداف یادگیری درک چرخه کامل حیات مدل‌های یادگیری عمیق از برنامه‌ریزی تا استقرار یادگیری کار با ابزارهای MLOps برای مدیریت فرآیندها استفاده از MLflow برای مدیریت و ردیابی مدل‌ها و محیط‌های کاری بهینه‌سازی هایپرپارامترها با استفاده از فریم‌ورک Optuna ایجاد سیستم‌های یادگیری ماشین مقیاس‌پذیر و قابل بازتولید استقرار عملی مدل‌های آموزش‌دیده برای استفاده در اپلیکیشن‌های واقعی اتوماسیون فرآیندهای یادگیری ماشین برای افزایش سرعت و دقت https://dl.lyndakade.ir/courses/2026/03/Full-Stack%20Deep%20Learning%20with%20Python/0.%20Introduction/01%20-%20Full-stack%20landscape%20and%20strategy.mp4 0 2026-03-24T00:00:00+03:30 دوره آموزشی یادگیری عمیق فول‌استک با پایتون Full-Stack Deep Learning with Python Janani Ravi https://lyndakade.ir/learning/introduction-to-agentic-ai-in-5g-smarter-autonomous-networks 2026-06-20T20:49:09+03:30 weekly 1 https://dl.lyndakade.ir/courses/2026/03/Introduction%20to%20Agentic%20AI%20in%205G%20-%20Smarter%20Autonomous%20Networks/preview.webp دوره آموزشی مقدمه‌ای بر هوش مصنوعی ایجنتی در 5G: شبکه‌های خودمختار هوشمندتر توی این دوره قراره وارد دنیای پیشرفته «هوش مصنوعی عامل‌محور» یا همون Agentic AI بشید که مرحله‌ای فراتر از هوش مصنوعی مولد معمولیه. تفاوت اصلی اینجاست که مدل‌های عامل‌محور فقط اطلاعات تولید نمی‌کنن، بلکه می‌تونن محیط رو درک کنن، تصمیم بگیرن و مهم‌تر از همه، «عمل» کنن. توی فضای مخابرات و شبکه‌های 5G، این قابلیت معجزه می‌کنه؛ چون به شما اجازه میده سیستم‌هایی بسازید که به‌طور خودکار خرابی‌ها رو تشخیص میدن و تعمیر می‌کنن (Self-healing)، پیکربندی شبکه رو مدیریت می‌کنن و ظرفیت شبکه رو پیش‌بینی می‌کنن. در این آموزش، چرخه «درک، استدلال، عمل و یادگیری» رو در قلب شبکه‌های مخابراتی بررسی می‌کنیم و می‌بینیم که چطور سیستم‌های هوش مصنوعی می‌تونن با زیرساخت‌های فعلی OSS و BSS یکپارچه بشن. این دوره به شما یاد میده چطور با ترکیب مدل‌های تخصصی و عمومی، تیمی از «ایجننت‌ها» (عوامل هوشمند) بسازید که بتونن در کنار هم بهینه‌سازی شبکه‌های رادیویی (RAN) و نگهداری پیش‌گیرانه رو انجام بدن و در نهایت، بهره‌وری و هوشمندی کل اکوسیستم مخابراتی رو چند پله ارتقا بدن. اهداف یادگیری تعریف هوش مصنوعی عامل‌محور و اجزای اصلی آن و تمایز آن با اتوماسیون معمولی و هوش مصنوعی مولد در فضای مخابرات تحلیل نیروهای تکنولوژیک و بازار که باعث همگرایی هوش مصنوعی و مخابرات شده و نقشه‌برداری چرخه عامل‌محور (درک، استدلال، عمل، یادگیری) بر چالش‌های عملیاتی شبکه مقایسه معماری‌های سنتی شبکه 5G با معماری‌های یکپارچه با هوش مصنوعی و ارزیابی نحوه تعامل سیستم‌های عامل‌محور با زیرساخت‌های فعلی OSS/BSS طراحی سیستم‌های چند عاملی با استفاده از الگوهای طراحی تخصصی و ارزیابی مبادله هزینه-عملکرد بین مدل‌های عمومی و تخصصی نقد کاربرد سیستم‌های عامل‌محور در موارد کلیدی مخابراتی مانند بهینه‌سازی RAN و نگهداری پیش‌گیرانه و شبیه‌سازی گردش کار حل تیکت‌های پشتیبانی فرمول‌بندی استراتژی‌های طراحی سیستم برای راهکارهای عامل‌محور با استفاده از اصول مهندسی زمینه و تجزیه گردش کار https://dl.lyndakade.ir/courses/2026/03/Introduction%20to%20Agentic%20AI%20in%205G%20-%20Smarter%20Autonomous%20Networks/preview.webp دوره آموزشی مقدمه‌ای بر هوش مصنوعی ایجنتی در 5G: شبکه‌های خودمختار هوشمندتر توی این دوره قراره وارد دنیای پیشرفته «هوش مصنوعی عامل‌محور» یا همون Agentic AI بشید که مرحله‌ای فراتر از هوش مصنوعی مولد معمولیه. تفاوت اصلی اینجاست که مدل‌های عامل‌محور فقط اطلاعات تولید نمی‌کنن، بلکه می‌تونن محیط رو درک کنن، تصمیم بگیرن و مهم‌تر از همه، «عمل» کنن. توی فضای مخابرات و شبکه‌های 5G، این قابلیت معجزه می‌کنه؛ چون به شما اجازه میده سیستم‌هایی بسازید که به‌طور خودکار خرابی‌ها رو تشخیص میدن و تعمیر می‌کنن (Self-healing)، پیکربندی شبکه رو مدیریت می‌کنن و ظرفیت شبکه رو پیش‌بینی می‌کنن. در این آموزش، چرخه «درک، استدلال، عمل و یادگیری» رو در قلب شبکه‌های مخابراتی بررسی می‌کنیم و می‌بینیم که چطور سیستم‌های هوش مصنوعی می‌تونن با زیرساخت‌های فعلی OSS و BSS یکپارچه بشن. این دوره به شما یاد میده چطور با ترکیب مدل‌های تخصصی و عمومی، تیمی از «ایجننت‌ها» (عوامل هوشمند) بسازید که بتونن در کنار هم بهینه‌سازی شبکه‌های رادیویی (RAN) و نگهداری پیش‌گیرانه رو انجام بدن و در نهایت، بهره‌وری و هوشمندی کل اکوسیستم مخابراتی رو چند پله ارتقا بدن. اهداف یادگیری تعریف هوش مصنوعی عامل‌محور و اجزای اصلی آن و تمایز آن با اتوماسیون معمولی و هوش مصنوعی مولد در فضای مخابرات تحلیل نیروهای تکنولوژیک و بازار که باعث همگرایی هوش مصنوعی و مخابرات شده و نقشه‌برداری چرخه عامل‌محور (درک، استدلال، عمل، یادگیری) بر چالش‌های عملیاتی شبکه مقایسه معماری‌های سنتی شبکه 5G با معماری‌های یکپارچه با هوش مصنوعی و ارزیابی نحوه تعامل سیستم‌های عامل‌محور با زیرساخت‌های فعلی OSS/BSS طراحی سیستم‌های چند عاملی با استفاده از الگوهای طراحی تخصصی و ارزیابی مبادله هزینه-عملکرد بین مدل‌های عمومی و تخصصی نقد کاربرد سیستم‌های عامل‌محور در موارد کلیدی مخابراتی مانند بهینه‌سازی RAN و نگهداری پیش‌گیرانه و شبیه‌سازی گردش کار حل تیکت‌های پشتیبانی فرمول‌بندی استراتژی‌های طراحی سیستم برای راهکارهای عامل‌محور با استفاده از اصول مهندسی زمینه و تجزیه گردش کار https://dl.lyndakade.ir/courses/2026/03/Introduction%20to%20Agentic%20AI%20in%205G%20-%20Smarter%20Autonomous%20Networks/0.%20Introduction/01%20-%20Introduction.mp4 92 2026-03-24T00:00:00+03:30 دوره آموزشی مقدمه‌ای بر هوش مصنوعی ایجنتی در 5G: شبکه‌های خودمختار هوشمندتر Introduction to Agentic AI in 5G: Smarter Autonomous Networks Rahul Kaundal Itelcotech https://lyndakade.ir/learning/leveraging-ai-in-your-nonprofit-organization-by-microsoft-and-nethope 2026-06-20T20:47:11+03:30 weekly 1 https://dl.lyndakade.ir/courses/2026/03/Leveraging%20AI%20in%20Your%20Nonprofit%20Organization%20by%20Microsoft%20and%20NetHope/preview.webp دوره آموزشی بهره‌گیری از هوش مصنوعی در سازمان‌های مردم‌نهاد (Nonprofit) توسط مایکروسافت و نت‌هوپ (NetHope) سازمان‌های غیرانتفاعی هم می‌توانند از قدرت هوش مصنوعی برای پیشبرد اهدافشان استفاده کنند، اما نکته کلیدی اینجاست که این کار باید «مسئولانه» و «پایدار» انجام شود. در این دوره یاد می‌گیرید که چطور هوش مصنوعی را با مأموریت، فرهنگ و عملیات روزانه سازمانتان هماهنگ کنید. به جای اینکه درگیر پیچیدگی‌های فنی بی‌مورد شوید، یاد می‌گیرید چطور با شناسایی «مواردی که ارزش بالایی دارند اما ریسک‌شان پایین است»، گام‌های اول را بردارید. مهم‌ترین بخش این آموزش، درک این موضوع است که هوش مصنوعی صرفاً یک ابزار فنی نیست؛ موفقیت در پذیرش آن به فرهنگ، اعتماد، رهبری و یادگیری مداوم بستگی دارد. این دوره به شما کمک می‌کند تا از همان ابتدا اصول اخلاقی، نظارت انسانی و حاکمیت داده را در قلب فرآیندهای خود جای دهید تا هوش مصنوعی نه تنها مایه حواس‌پرتی نباشد، بلکه به بازوی قدرتمندی برای افزایش تأثیرگذاری سازمان شما تبدیل شود. اهداف یادگیری تحلیل عوامل آمادگی سازمانی شامل فرهنگ، گردش کار و محدودیت‌ها برای شناسایی نقاط شروع امن و پربازده در پذیرش هوش مصنوعی به‌کارگیری اصول هوش مصنوعی مسئولانه مانند نظارت انسانی، حفاظت از داده‌ها و محافظت‌های اخلاقی در گردش‌های کاری فعلی سازمان‌های غیرانتفاعی ارزیابی موارد استفاده بالقوه هوش مصنوعی برای تعیین همسویی با اهداف مأموریت، تحمل ریسک و پایداری بلندمدت طراحی شیوه‌های حاکمیتی و ظرفیت‌سازی اولیه که از استفاده اخلاقی، شفاف و مقیاس‌پذیر از هوش مصنوعی پشتیبانی می‌کنند ارزیابی اینکه چگونه یادگیری مداوم، الگوسازی رهبری و برنامه‌ریزی عملیاتی به پذیرش پایدار هوش مصنوعی در طول زمان کمک می‌کنند https://dl.lyndakade.ir/courses/2026/03/Leveraging%20AI%20in%20Your%20Nonprofit%20Organization%20by%20Microsoft%20and%20NetHope/preview.webp دوره آموزشی بهره‌گیری از هوش مصنوعی در سازمان‌های مردم‌نهاد (Nonprofit) توسط مایکروسافت و نت‌هوپ (NetHope) سازمان‌های غیرانتفاعی هم می‌توانند از قدرت هوش مصنوعی برای پیشبرد اهدافشان استفاده کنند، اما نکته کلیدی اینجاست که این کار باید «مسئولانه» و «پایدار» انجام شود. در این دوره یاد می‌گیرید که چطور هوش مصنوعی را با مأموریت، فرهنگ و عملیات روزانه سازمانتان هماهنگ کنید. به جای اینکه درگیر پیچیدگی‌های فنی بی‌مورد شوید، یاد می‌گیرید چطور با شناسایی «مواردی که ارزش بالایی دارند اما ریسک‌شان پایین است»، گام‌های اول را بردارید. مهم‌ترین بخش این آموزش، درک این موضوع است که هوش مصنوعی صرفاً یک ابزار فنی نیست؛ موفقیت در پذیرش آن به فرهنگ، اعتماد، رهبری و یادگیری مداوم بستگی دارد. این دوره به شما کمک می‌کند تا از همان ابتدا اصول اخلاقی، نظارت انسانی و حاکمیت داده را در قلب فرآیندهای خود جای دهید تا هوش مصنوعی نه تنها مایه حواس‌پرتی نباشد، بلکه به بازوی قدرتمندی برای افزایش تأثیرگذاری سازمان شما تبدیل شود. اهداف یادگیری تحلیل عوامل آمادگی سازمانی شامل فرهنگ، گردش کار و محدودیت‌ها برای شناسایی نقاط شروع امن و پربازده در پذیرش هوش مصنوعی به‌کارگیری اصول هوش مصنوعی مسئولانه مانند نظارت انسانی، حفاظت از داده‌ها و محافظت‌های اخلاقی در گردش‌های کاری فعلی سازمان‌های غیرانتفاعی ارزیابی موارد استفاده بالقوه هوش مصنوعی برای تعیین همسویی با اهداف مأموریت، تحمل ریسک و پایداری بلندمدت طراحی شیوه‌های حاکمیتی و ظرفیت‌سازی اولیه که از استفاده اخلاقی، شفاف و مقیاس‌پذیر از هوش مصنوعی پشتیبانی می‌کنند ارزیابی اینکه چگونه یادگیری مداوم، الگوسازی رهبری و برنامه‌ریزی عملیاتی به پذیرش پایدار هوش مصنوعی در طول زمان کمک می‌کنند https://dl.lyndakade.ir/courses/2026/03/Leveraging%20AI%20in%20Your%20Nonprofit%20Organization%20by%20Microsoft%20and%20NetHope/1.%20Organizational%20AI%20Readiness%20and%20Integration%20for%20Nonprofits/01%20-%20Connecting%20AI%20to%20people%20and%20practice.mp4 101 2026-03-24T00:00:00+03:30 دوره آموزشی بهره‌گیری از هوش مصنوعی در سازمان‌های مردم‌نهاد (Nonprofit) توسط مایکروسافت و نت‌هوپ (NetHope) Leveraging AI in Your Nonprofit Organization by Microsoft and NetHope Microsoft NetHope https://lyndakade.ir/learning/leveraging-ai-in-your-nonprofit-role-by-microsoft-and-nethope 2026-06-20T20:44:42+03:30 weekly 1 https://dl.lyndakade.ir/courses/2026/03/Leveraging%20AI%20in%20Your%20Nonprofit%20Role%20by%20Microsoft%20and%20NetHope/preview.webp دوره آموزشی بهره‌گیری از هوش مصنوعی در نقش‌های سازمان‌های مردم‌نهاد (Nonprofit) توسط مایکروسافت و نت‌هوپ (NetHope) این دوره به بررسی پتانسیل عظیم هوش مصنوعی در حوزه‌هایی می‌پردازد که مستقیماً با زندگی انسان‌ها، توسعه اجتماعی و حفاظت از محیط زیست سر و کار دارند. دنیای هوش مصنوعی فقط محدود به کسب‌وکارهای تجاری نیست؛ اتفاقاً وقتی از این فناوری برای کارهای بشردوستانه استفاده می‌کنیم، می‌تونه نتایج خیره‌کننده‌ای داشته باشه. در این آموزش، با مثال‌های واقعی یاد می‌گیرید که چطور هوش مصنوعی در کارهایی مثل «نقشه‌برداری از بحران‌ها»، «پیش‌بینی وقایع» و استانداردسازی راهنمایی‌های محلی به کمک سازمان‌ها می‌آید. نکته خیلی مهمی که اینجا تاکید میشه اینه: هوش مصنوعی قراره دستیار شما باشه، نه تصمیم‌گیرنده نهایی. یعنی تخصص و قضاوت انسانی باید همیشه حرف اول رو بزنه. همچنین می‌بینید که چطور فناوری‌های مختلفی مثل هوش مصنوعی مولد (GenAI)، یادگیری ماشین و پردازش زبان طبیعی (NLP) دست به دست هم می‌دن تا تأثیرگذاری کارهای خیریه و اجتماعی رو چند برابر کنن. از اونجایی که داده، سوخت اصلیِ موتورِ هوش مصنوعیه، به اهمیت جمع‌آوری دقیق و منصفانه داده‌ها و مباحث حاکمیت داده هم می‌پردازیم. از طرفی، چون سازمان‌های غیرانتفاعی معمولاً با محدودیت بودجه و زیرساخت دست‌ و پنجه نرم می‌کنن، یاد می‌گیرید چطور با گام‌های کوچک و تدریجی، ظرفیت‌سازی کنید. در آخر، مباحث اخلاقی مثل حفظ کرامت انسانی، جلوگیری از سوگیری‌های ناعادلانه و شفافیت در عملکرد، همراه با روش‌هایی برای بومی‌سازی ابزارها با توجه به فرهنگ و شرایط محلی بررسی میشه تا خروجی کار واقعاً برای جامعه هدف مفید باشه. اهداف یادگیری تشریح ارتباط متقابل فناوری‌های هوش مصنوعی مانند داده، یادگیری ماشین (ML) و پردازش زبان طبیعی (NLP) به‌کارگیری تکنیک‌های هوش مصنوعی برای تقویت کارهای بشردوستانه و اجتماعی با استفاده از ابزارهایی مثل نقشه‌برداری بحران و پیش‌بینی، ضمن حفظ فرآیند تصمیم‌گیری انسانی توضیح نقش داده به‌عنوان ستون فقرات ابزارهای هوش مصنوعی و اهمیت جمع‌آوری، حفاظت و حاکمیت مسئولانه داده‌ها برای اطمینان از دقت، انصاف و ایمنی فهرست کردن پیامدهای اخلاقی استفاده از هوش مصنوعی در سازمان‌های غیرانتفاعی توصیف اهمیت جلوگیری از سوگیری، تضمین حریم خصوصی، حفظ شفافیت و نظارت انسانی در فرآیندهای تصمیم‌گیری توسعه استراتژی‌هایی برای تطبیق ابزارهای هوش مصنوعی با شرایط محلی با ادغام واقعیت‌های جامعه، زبان، فرهنگ، محیط و ریسک‌ها https://dl.lyndakade.ir/courses/2026/03/Leveraging%20AI%20in%20Your%20Nonprofit%20Role%20by%20Microsoft%20and%20NetHope/preview.webp دوره آموزشی بهره‌گیری از هوش مصنوعی در نقش‌های سازمان‌های مردم‌نهاد (Nonprofit) توسط مایکروسافت و نت‌هوپ (NetHope) این دوره به بررسی پتانسیل عظیم هوش مصنوعی در حوزه‌هایی می‌پردازد که مستقیماً با زندگی انسان‌ها، توسعه اجتماعی و حفاظت از محیط زیست سر و کار دارند. دنیای هوش مصنوعی فقط محدود به کسب‌وکارهای تجاری نیست؛ اتفاقاً وقتی از این فناوری برای کارهای بشردوستانه استفاده می‌کنیم، می‌تونه نتایج خیره‌کننده‌ای داشته باشه. در این آموزش، با مثال‌های واقعی یاد می‌گیرید که چطور هوش مصنوعی در کارهایی مثل «نقشه‌برداری از بحران‌ها»، «پیش‌بینی وقایع» و استانداردسازی راهنمایی‌های محلی به کمک سازمان‌ها می‌آید. نکته خیلی مهمی که اینجا تاکید میشه اینه: هوش مصنوعی قراره دستیار شما باشه، نه تصمیم‌گیرنده نهایی. یعنی تخصص و قضاوت انسانی باید همیشه حرف اول رو بزنه. همچنین می‌بینید که چطور فناوری‌های مختلفی مثل هوش مصنوعی مولد (GenAI)، یادگیری ماشین و پردازش زبان طبیعی (NLP) دست به دست هم می‌دن تا تأثیرگذاری کارهای خیریه و اجتماعی رو چند برابر کنن. از اونجایی که داده، سوخت اصلیِ موتورِ هوش مصنوعیه، به اهمیت جمع‌آوری دقیق و منصفانه داده‌ها و مباحث حاکمیت داده هم می‌پردازیم. از طرفی، چون سازمان‌های غیرانتفاعی معمولاً با محدودیت بودجه و زیرساخت دست‌ و پنجه نرم می‌کنن، یاد می‌گیرید چطور با گام‌های کوچک و تدریجی، ظرفیت‌سازی کنید. در آخر، مباحث اخلاقی مثل حفظ کرامت انسانی، جلوگیری از سوگیری‌های ناعادلانه و شفافیت در عملکرد، همراه با روش‌هایی برای بومی‌سازی ابزارها با توجه به فرهنگ و شرایط محلی بررسی میشه تا خروجی کار واقعاً برای جامعه هدف مفید باشه. اهداف یادگیری تشریح ارتباط متقابل فناوری‌های هوش مصنوعی مانند داده، یادگیری ماشین (ML) و پردازش زبان طبیعی (NLP) به‌کارگیری تکنیک‌های هوش مصنوعی برای تقویت کارهای بشردوستانه و اجتماعی با استفاده از ابزارهایی مثل نقشه‌برداری بحران و پیش‌بینی، ضمن حفظ فرآیند تصمیم‌گیری انسانی توضیح نقش داده به‌عنوان ستون فقرات ابزارهای هوش مصنوعی و اهمیت جمع‌آوری، حفاظت و حاکمیت مسئولانه داده‌ها برای اطمینان از دقت، انصاف و ایمنی فهرست کردن پیامدهای اخلاقی استفاده از هوش مصنوعی در سازمان‌های غیرانتفاعی توصیف اهمیت جلوگیری از سوگیری، تضمین حریم خصوصی، حفظ شفافیت و نظارت انسانی در فرآیندهای تصمیم‌گیری توسعه استراتژی‌هایی برای تطبیق ابزارهای هوش مصنوعی با شرایط محلی با ادغام واقعیت‌های جامعه، زبان، فرهنگ، محیط و ریسک‌ها https://dl.lyndakade.ir/courses/2026/03/Leveraging%20AI%20in%20Your%20Nonprofit%20Role%20by%20Microsoft%20and%20NetHope/1.%20AI%20Foundations%20for%20Nonprofits/01%20-%20Training%20the%20eye%20for%20AI.mp4 63 2026-03-24T00:00:00+03:30 دوره آموزشی بهره‌گیری از هوش مصنوعی در نقش‌های سازمان‌های مردم‌نهاد (Nonprofit) توسط مایکروسافت و نت‌هوپ (NetHope) Leveraging AI in Your Nonprofit Role by Microsoft and NetHope Microsoft NetHope https://lyndakade.ir/learning/strategic-planning-foundations-27711240 2026-06-20T20:42:37+03:30 weekly 1 https://dl.lyndakade.ir/courses/2026/03/Strategic%20Planning%20Foundations/preview.webp دوره آموزشی مبانی برنامه‌ریزی راهبردی داشتن یک برنامه‌ریزی استراتژیک قوی می‌تواند جهت حرکت یک سازمان را مشخص کند و کمک کند همه اعضای تیم بدانند دقیقاً روی چه چیزهایی باید تمرکز کنند. در این دوره، Mike Figliuolo توضیح می‌دهد که چگونه یک فرآیند برنامه‌ریزی استراتژیک طراحی کنید که بتوان آن را هر سال تکرار کرد و در عین حال نظرات و دیدگاه‌های همه ذی‌نفعان مهم سازمان در آن در نظر گرفته شود. در طول این آموزش یاد می‌گیرید چگونه مأموریت (Mission)، چشم‌انداز (Vision)، شایستگی‌های اصلی (Core Competencies) و فیلترهای استراتژیک سازمان خود را تعریف و شفاف‌سازی کنید. این عناصر به شما کمک می‌کنند تصمیم بگیرید کدام ابتکارات و پروژه‌ها واقعاً ارزش دنبال کردن دارند. همچنین یاد می‌گیرید چگونه میان ابتکارات مختلف اولویت‌بندی انجام دهید و منابع سازمان را به شکل هوشمندانه‌ای تخصیص دهید تا از اهداف استراتژیک حمایت کنند. در ادامه، می‌بینید که چطور همه این اجزا در کنار هم یک برنامه استراتژیک قوی و قانع‌کننده می‌سازند. علاوه بر این، مایک فگلیولو نکاتی را درباره استفاده از هوش مصنوعی برای سریع‌تر و کارآمدتر کردن فرآیند برنامه‌ریزی استراتژیک ارائه می‌دهد و توضیح می‌دهد که چگونه می‌توانید رویکرد برنامه‌ریزی خود را در شرایط سریع و غیرقابل پیش‌بینی بازار تطبیق دهید. اهداف یادگیری: تعریف اصول و مبانی برنامه‌ریزی استراتژیک در سازمان‌ها شناسایی نیروها و عوامل مؤثر برای ارزیابی بازار توضیح نحوه انجام تحلیل SWOT برای بررسی نقاط قوت، ضعف، فرصت‌ها و تهدیدها شرح روش تعیین اصول راهنما و تعیین اهداف سازمانی توضیح نقش و کاربرد فیلترهای استراتژیک در تصمیم‌گیری‌های سازمانی تشریح مراحل مختلف یک فرآیند برنامه‌ریزی استراتژیک بررسی روش‌هایی که هوش مصنوعی می‌تواند از فرآیند برنامه‌ریزی استراتژیک پشتیبانی کند https://dl.lyndakade.ir/courses/2026/03/Strategic%20Planning%20Foundations/preview.webp دوره آموزشی مبانی برنامه‌ریزی راهبردی داشتن یک برنامه‌ریزی استراتژیک قوی می‌تواند جهت حرکت یک سازمان را مشخص کند و کمک کند همه اعضای تیم بدانند دقیقاً روی چه چیزهایی باید تمرکز کنند. در این دوره، Mike Figliuolo توضیح می‌دهد که چگونه یک فرآیند برنامه‌ریزی استراتژیک طراحی کنید که بتوان آن را هر سال تکرار کرد و در عین حال نظرات و دیدگاه‌های همه ذی‌نفعان مهم سازمان در آن در نظر گرفته شود. در طول این آموزش یاد می‌گیرید چگونه مأموریت (Mission)، چشم‌انداز (Vision)، شایستگی‌های اصلی (Core Competencies) و فیلترهای استراتژیک سازمان خود را تعریف و شفاف‌سازی کنید. این عناصر به شما کمک می‌کنند تصمیم بگیرید کدام ابتکارات و پروژه‌ها واقعاً ارزش دنبال کردن دارند. همچنین یاد می‌گیرید چگونه میان ابتکارات مختلف اولویت‌بندی انجام دهید و منابع سازمان را به شکل هوشمندانه‌ای تخصیص دهید تا از اهداف استراتژیک حمایت کنند. در ادامه، می‌بینید که چطور همه این اجزا در کنار هم یک برنامه استراتژیک قوی و قانع‌کننده می‌سازند. علاوه بر این، مایک فگلیولو نکاتی را درباره استفاده از هوش مصنوعی برای سریع‌تر و کارآمدتر کردن فرآیند برنامه‌ریزی استراتژیک ارائه می‌دهد و توضیح می‌دهد که چگونه می‌توانید رویکرد برنامه‌ریزی خود را در شرایط سریع و غیرقابل پیش‌بینی بازار تطبیق دهید. اهداف یادگیری: تعریف اصول و مبانی برنامه‌ریزی استراتژیک در سازمان‌ها شناسایی نیروها و عوامل مؤثر برای ارزیابی بازار توضیح نحوه انجام تحلیل SWOT برای بررسی نقاط قوت، ضعف، فرصت‌ها و تهدیدها شرح روش تعیین اصول راهنما و تعیین اهداف سازمانی توضیح نقش و کاربرد فیلترهای استراتژیک در تصمیم‌گیری‌های سازمانی تشریح مراحل مختلف یک فرآیند برنامه‌ریزی استراتژیک بررسی روش‌هایی که هوش مصنوعی می‌تواند از فرآیند برنامه‌ریزی استراتژیک پشتیبانی کند https://dl.lyndakade.ir/courses/2026/03/Strategic%20Planning%20Foundations/0.%20Introduction/01%20-%20Introduction%20to%20strategic%20planning.mp4 53 2026-03-24T00:00:00+03:30 دوره آموزشی مبانی برنامه‌ریزی راهبردی Strategic Planning Foundations Mike Figliuolo